阿里万相视频生成大模型宣布开源：8.2GB 显存就能跑，测试超越 Sora

舟山市市场监督app 常州市第三中学app 锦州市不良信息举报app 林芝市电台广播中心app 毕节市惠农app 白山市财政信息app 吉林市不良信息举报app 威海市防洪信息app 三门峡市水利app 眉山市安全宣传app 嘉兴市土地申报app 廊坊市旅游协会app 宝鸡市重大建设公开app 荆州市第四高中app 日喀则市第二高中app 天水市第五高中app 三明市水务app 铜川市社会求助app 商洛市森林消防app 鸡西市消费协会app 咸宁市文旅信息app 昌都市第五中学app 宿州市社会求助app 杭州市出口管理app 鞍山市未成年保护协会app 泉州市卫生协会app 龙州县公路管理app 万年县城乡建设app 噶尔县电视台广播app 合阳县铁路管理app 慈利县非物质文化遗产app 通河县税收公开app 来安县非物质文化遗产app 富裕县第二高中app 富顺县司法管理app 息烽县第二高中app 镇雄县通讯协会app 新安县教育局app 习水县第六中学app 龙游县灾害救助app 墨脱县工商局app 千阳县审计公开app 保靖县公正处app

本站 2 月 25 日消息，阿里云今日宣布旗下视觉生成基座模型万相 2.1（Wan）开源。

此次开源采用最宽松的 Apache2.0 协议，14B 和 1.3B 两个参数规格的全部推理代码和权重全部开源，同时支持文生视频和图生视频任务，全球开发者可在 Github、HuggingFace 和魔搭社区下载体验。

据介绍，14B 万相模型在指令遵循、复杂运动生成、物理建模、文字视频生成等方面表现突出，在评测集 VBench 中，万相 2.1 以总分 86.22% 的成绩超越 Sora、Luma、Pika 等国内外模型，位列榜首。1.3B 版本测试结果不仅超过了更大尺寸的开源模型，甚至还接近部分闭源模型，同时能在消费级显卡运行，号称“仅需 8.2GB 显存就可以生成 480P 视频”，适用于二次模型开发和学术研究。

万相视频模型架构图

在算法设计上，万相基于主流 DiT 架构和线性噪声轨迹 Flow Matching 范式，研发了高效的因果 3D VAE、可扩展的预训练策略等。以 3D VAE 为例，为了高效支持任意长度视频的编码和解码，万相在 3D VAE 的因果卷积模块中实现了特征缓存机制，从而代替直接对长视频端到端的编解码过程，实现了无限长 1080P 视频的高效编解码。此外，通过将空间降采样压缩提前，在不损失性能的情况下进一步减少了 29% 的推理时内存占用。

万相团队的实验结果显示，在运动质量、视觉质量、风格和多目标等 14 个主要维度和 26 个子维度测试中，万相均达到了业界领先表现，并且斩获 5 项第一。

本站附开源地址：

Github：https://github.com/Wan-Video

HuggingFace：https://huggingface.co/Wan-AI

魔搭社区：https://modelscope.cn/organization/Wan-AI